· AI Engineer World's Fair 2026
Почему вашей компании нужен граф контекста (и как его построить)
Why Your Company Needs a Context Graph (and How to Build It) — Gil Feig, Merge
Агентам компании нужен context graph: live API отвечают на точечные запросы, синхронизированный кэш закрывает аналитические, а каждый ответ можно проследить до источника.
- Live API или синхронизированная копия — точечные вопросы про одного клиента решайте через live API, а вопросы вида «какие клиенты были недовольны за год» без локальной копии не решаются: постраничные выборки тикетов упираются в таймауты.
- Навыки перед выборкой — правила компании, например что считать недовольным клиентом или что сначала проверить в Qualtrics, определяют, какие данные запрашивать. Агент сначала проверяет навыки и память, затем свежесть кэша относительно SLA и только потом вызывает API.
- Производные данные — сохраняйте сводки по уже собранным данным, например по тикетам клиента, чтобы при повторном вопросе не запрашивать и не суммаризировать всё заново.
- Провенанс — для каждого факта храните источник, время выборки, идентификатор и права доступа, трансформации и правила инвалидации, например возраст данных больше месяца. В конце спикер рассказывает о продуктах Merge.
Кому полезно: тем, кто строит агентов поверх тикетов, CRM и биллинга и решает, что кэшировать, а что запрашивать live.
Статья по теме
На какие вопросы отвечает доклад
Почему live-вызовы MCP не тянут вопросы по всей истории тикетов?
Пагинация по тикетам за год приводит к таймаутам. Для семантических запросов по большому набору данных спикер советует синхронизировать копию в локальную векторную базу, а live-вызовы оставить для точечных запросов и действий.
▶ 3:15Вопросы клиентов и ограничения живых запросов через MCPКак решить, брать данные из кэша или делать live-вызов API агента?
Сначала проверяются skills и memory, затем кэш по свежести относительно SLA. Если данные устарели, вызывается live API, а новые выводы можно сохранить в memory.
▶ 9:58Выбор между Skills, свежими данными из кэша и живыми APIКакие типы контекста нужно хранить для агента, кроме промптов?
Четыре уровня: промпты, skills и memory; live API вызовы, которые дешевле в запуске; кэшированные данные для сложных запросов; производный контекст, например сохранённые сводки по клиенту, чтобы не пересчитывать их каждый раз.
▶ 8:31Четыре уровня контекста и переиспользуемые сводкиКак отследить, из каких источников агент взял данные для своего ответа?
Сохранять источник, время выгрузки, идентификатор и scope доступа, кто запросил данные, трансформации и правила инвалидации, например возраст данных больше месяца. Для векторной базы эти поля хранятся в metadata.
▶ 11:30Трассируемость, права доступа и инвалидацияЗачем агенту сначала проверять company skills, прежде чем запрашивать данные?
Понятие «недовольный клиент» у каждой компании своё: один смотрит на число тикетов, другой на опросы в Qualtrics. Skills задают, какие данные важны для конкретного ответа.
▶ 6:45Корпоративные Skills, память и поток retrieval
Главы
Похожие доклады
Agentic GraphRAG: упрощаем поиск по структурированным и неструктурированным данным
AI Engineer World's Fair 2025
Близко по содержанию
Почему большие контекстные окна не спасут вашего агента
AI Engineer World's Fair 2026
Близко по содержанию
Нужны ссылки: происхождение данных в графах знаний, созданных LLM
AI Engineer World's Fair 2026
Близко по содержанию
CrabRAG: почему автоматизированным ассистентам нужна графовая память, а не больше токенов
AI Engineer World's Fair 2026
Близко по содержанию

